PPSIG携手100 位contributor,共建飞桨开源社区

开源的开放性使得诸多的开发者可以加入其中,自2016年开源以来,飞桨一直致力于建设开源开放的开发者社区,也正是有了众多contributor们的加入,飞桨社区得以不断发展繁荣。

PPSIG已经成立一年了,从最开始的2个小组,到12个小组,一共有100+位Contributors为飞桨社区贡献了100+开源项目,涉及模型复现、文档教程、部署预测、数据集、开发工具等开源贡献,交出了一份硕果累累的答卷。

PPSIG历史贡献速览

①李沐《动手学深度学习》飞桨版:由Docs小组兰元帅、紫涵、李生煜、吴未、范远展、吕坤7位SIG成员贡献,《动手学深度学习》被全球 50 个国家 200 所大学用于深度学习教学,该项目将原书中MXNet代码改为了飞桨实现,方便开发者快速学习。

GitHub项目:

https://github.com/PaddlePaddle/awesome-DeepLearning/tree/master/Dive-into-DL-paddlepaddle

如果你喜欢此项目,欢迎star支持~

②PPOCRLabel(首款开源的OCR半自动标注工具):由Models-OCR小组韩磊、顾茜、董文轩、魏佳隆等SIG成员贡献。内嵌PP-OCR系列模型,实现自动预标注与重新识别功能,标注效率提升60-80%。该软件使用Python3和PyQT5编写,用法非常简单,支持矩形框标注和四点标注模式,导出格式可直接用于PP-OCR检测和识别模型的训练,未来将支持锁定框确定功能。

GitHub项目:

https://github.com/Evezerest/PPOCRLabel

如果你喜欢此项目,欢迎star支持~

③FastOCRLabel :由Models-OCR小组成员包建强贡献,专门为Windows用户设计的开源OCR半自动标注工具。提供矩形标注和四点标注功能,可以批量检测、识别图片,支持一键导出所有标注信息,供PP-OCR训练使用。其前后端分离,前端是基于.NET Winform开发的窗体程序,后端是把PaddleOCR封装成Python Flask服务。后端服务可以搭建在Windows本地,也可以搭建在Linux服务器上。同时,还提供了一台已经搭建该服务的服务器(地址参见readme文件),使用者可以在前端程序设置服务器地址后直接运行。未来将在前端提供更多的推理参数,从而让自动标注更加准确。此外,还会在竖排版古籍领域,增加更多功能。

Gitee项目:

https://gitee.com/BaoJianQiang/FastOCRLabel

如果你喜欢此项目,欢迎star支持~

④EISeg(高效智能的交互式分割标注软件):由PaddleSeg团队联合Models-CV小组韩霖、陈奕舟2位SIG成员贡献,累计下载次数超过了6000+次,该软件涵盖了高精度和轻量级等不同方向的高质量交互式分割模型,方便开发者快速实现语义及实例标签的标注,降低标注成本。EISeg正式发布后,推出的直播讲解倍受开发者欢迎,在B站直播人气峰值破万。

同样在Windows平台,EISeg还提供了基于QPT的可执行程序包,用户无需手动配置环境,双击exe即可快速使用EISeg。

GitHub项目:

https://github.com/PaddleCV-SIG/EISeg

如果你喜欢此项目,欢迎star支持~

⑤PaddleX多相机推理演示:由Models-CV小组李康宇、朱玉石、王成3位SIG成员贡献,基于C#开发,可以驱动海康威视黑白相机、basler黑白/彩色相机,获取图像后使用PaddleX深度学习库,实现图像分类、目标检测和语义分割功能。

GitHub项目:

https://github.com/LiKangyuLKY/PaddleXCsharp

如果你喜欢此项目,欢迎star支持~

⑥人脸融合:由Models-GAN小组成员吴何聪贡献,人脸融合能力由StyleGAN V2以及新增的Fitting和Mixing模块组成,能够完美融合任意两张,生成新人物的脸,并带有丰富的表情。

GitHub项目:

https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

如果你喜欢此项目,欢迎star支持~

⑦飞桨官网应用案例:由Docs小组14位成员为飞桨官网贡献15篇案例教程,内容包含计算机视觉、自然语言处理,时序数据、强化学习等基于飞桨实现的案例,极大的降低了新手入门飞桨的门槛,解决了小白入门难的问题。

传送门:

https://www.paddlepaddle.org.cn/documentation/docs/zh/tutorial/index_cn.html

贡献案例一栏:

  • 基于飞桨框架 AutoEncoder实现时序数据异常检测

  • 基于飞桨框架OCR实现验证码识别

  • 基于飞桨框架transformer实现文本分类

  • 基于飞桨框架DCGAN实现人脸图像生成

  • 基于飞桨框架Sub-Pixel实现图像超分辨率

  • 基于飞桨框架实现关键点检测及应用

  • 基于飞桨框架使用预训练的词向量

  • 基于飞桨框架 fine-tuning的图像分类

  • 基于飞桨框架使用PointNet实现点云分类

  • 基于飞桨框架使用协同过滤实现电影推荐

  • 基于飞桨框架实现强化学习算法Actor Critic Method

  • 基于飞桨框架使用PointNet实现点云分类

  • 基于飞桨框架实现强化学习算法DDPG

  • 基于飞桨框架实现强化学习算法A2C

  • 基于飞桨框架实现热图可视化

⑧AgentOCR:由Plugin成员肖培楷贡献,累计下载量3000+,其使用简单、调用方便并且支持Windows的DirectX加速,甚至不挑显卡,核显也能提取得加速能力!除此之外还包含半自动标注、车牌识别等常见OCR功能,后续仍有公式识别等模型的开发安排,敬请期待!

Github项目:

https://github.com/AgentMaker/AgentOCR

如果你喜欢此项目,欢迎star支持~

⑨QPT - Quick packaging tool (快捷封装工具):由Plugin成员GT、Dango、AP-Kai三名开发者贡献,累计下载量破万,是一款可以“模拟”开发环境的多功能封装工具,只需一行命令即可将普通的Python脚本打包成Windows可一键启动的EXE可执行程序,并且额外对部分深度学习框架增加了CUDA和NoAVX的支持,尽可能兼容更多用户环境。

目前,该项目不仅在EISeg等PP SIG项目中被使用,在GitHub上的千星开源项目团子翻译器(3.2k)也使用了该部署方案,性能更加稳定!

Github项目:

https://github.com/QPT-Family/QPT

如果你喜欢此项目,欢迎star支持~

⑩MPNet、RoFormer、ConvBert等预训练模型的PaddleNLP实现:由Models-NLP 小组成员余军和肖培楷贡献,MPNet模型是一种新的预训练方法;RoFormer模型---提出新的位置编码方式;ConvBert模型——通过动态卷积提升Bert性能。贡献了中文预训练模型NeZha、CPM的PaddleNLP实现,丰富了飞桨NLP预训练模型生态。基于PaddleNLP中强大易用的Transformer API,开发者可以通过两行代码便捷调用这些预训练模型。

Github项目:

https://github.com/PaddlePaddle/PaddleNLP

如果你喜欢此项目,欢迎star支持~~

学习互助,陪伴成长

秉承开源互助,SIG陆续开展内部技术学习交流会,定期邀请技术大牛,提供技术培训与指导,提升SIG成员深度学习技术水平与解决问题的能力,在开发者付出贡献拥抱开源的同时,社区也在积极回馈。

PPSIG持续进行

随着PPSIG不断的活跃与开展,有多个协作项目正在紧锣密鼓的进行中,如果你认可我们的开源理念,请带着你的开源热情和富有创意贡献的想法,加入PPSIG 成为Contributors的一员吧

正在进行的项目:

PPSIG Models-OCR

PaddleOCR累计Star数超过16K,频频登上Github Trending日榜月榜。我们致力于打造一个富有活力的OCR社区,以开源精神将OCR应用于各行各业,进而提升我们的生产生活效率。

协作内容示例
①PPOCRLabel功能完善,提供更便捷的标注体验,未来共建方向如下:新增锁定框模式、界面美化、代码优化、whl包安装、模型替换教程、优化消息提醒模式、自动写入文件等

https://github.com/PaddlePaddle/PaddleOCR/blob/dygraph/PPOCRLabel/README_ch.md

② PaddleOCR桌面使用工具

③FastOCRLabel标注工具功能完善

④手写体场景模型训练

⑤图像前后处理插件

参与方式

如果您有兴趣加入,可扫码填写问卷,通过技术评估后即可加入

PPSIG Docs

为了能够让用户快速掌握到飞桨框架内容,了解和学习如何使用进行相关任务的开发,诚邀广大开发者一起共建应用案例教程,努力提供更加优质的示例教程,为更多开发者学会使用框架铺设一条高速公路。

协作内容示例

①基于飞桨框架应用示例教程

参考链接:

https://github.com/PaddlePaddle/book/issues/905

②李沐《动手学深度学习》飞桨版,未来共建方向如下:

  • 前言

  • 预备知识

  • 线性神经网络

  • 多层感知机

  • 深度学习计算

  • 卷积神经网络

  • 现代卷积神经网络

  • 循环神经网络

  • 现代循环神经网络

  • 注意力机制

  • 优化算法

  • 计算性能

  • 计算机视觉

  • 自然语言处理:预训练

参与方式

如果您有兴趣加入,可扫码填写问卷,通过技术评估后即可加入

关于飞桨特殊兴趣小组

飞桨特殊兴趣小组(PPSIG)旨在通过开放的社区形式与全球开发者共同构建一个开放、多元和架构包容的生态体系,以开源理念和技术实践为驱动,让全球的开发者更紧密的协作起来,构建更好的开源世界。如果你对技术和开源有热情,愿意为之分享和付出,认可开源理念并贡献自己的想法,欢迎加入飞桨特殊兴趣小组

飞桨特殊兴趣小组官网:

https://www.paddlepaddle.org.cn/sig

PPSIG Contributor

每一个微小的改进和贡献,都是点亮开源世界里的星星。仰望星光璀璨,不如躬身入局。我们欢迎广大开发者加入飞桨特殊兴趣小组(PPSIG),参与飞桨开源生态建设中,以兴趣驱使结识更多的技术同好,共建国内最好的开源社区,分享开源成果与快乐

(0)

相关推荐